Airi：自托管的AI伴侣平台

这是什么

AIRI（由 moeru-ai 组织维护）是一个旨在复刻类似 Neuro-sama 的开源 AI 虚拟角色项目。它不仅仅是一个聊天机器人，而是一个拥有“灵魂容器”概念的数字化身（Digital Human / Cyber Waifu），旨在让用户能够随时随地拥有并控制自己的 AI 伴侣。

该项目主语言为 TypeScript，在 GitHub 上已获得极高关注度（★40192+）。与传统的 AI 聊天平台不同，AIRI 强调本地化部署、多模态交互以及游戏内实时互动能力。它构建在一个庞大的子项目生态系统之上（由 @proj-airi 组织管理），涵盖了 RAG（检索增强生成）、记忆系统、嵌入式数据库、Live2D 工具链等模块。

解决的问题

AIRI 主要解决了当前 AI 虚拟角色领域的几个核心痛点：

1. 交互的被动性与局限性：现有的主流平台（如 Character.ai、JanitorAI）或本地工具（如 SillyTavern）主要局限于文本聊天或简单的视觉冒险游戏。用户无法让 AI 真正“看到”屏幕内容或参与复杂的游戏逻辑。
2. 数据与体验的封闭性：以 Neuro-sama 为代表的顶级 AI 虚拟主播虽然具备游戏直播和实时互动能力，但其代码未开源，用户只能在直播期间被动观看，无法在离线后继续交互或自定义其行为。
3. 部署与性能的平衡难题：许多 Web 技术驱动的 VTuber 项目牺牲了性能以换取跨平台兼容性，或者因依赖复杂的环境配置（如 CUDA、特定驱动）劝退普通用户。AIRI 试图在 Web 技术的灵活性与原生性能之间找到平衡。

核心功能

AIRI 的功能架构分为感知（Ears）、大脑（Brain）、记忆（Memory）、表达（Mouth）和躯体（Body）五个维度：

• Brain（大脑与游戏能力）：

  • 支持主流 LLM API（通过 xsai 库集成），包括 OpenAI、Anthropic Claude、Llama、Qwen 等。
  • 游戏交互：具备玩《Minecraft》、《Factorio》（PoC 可用）、《Kerbal Space Program》以及合作游玩《Helldivers 2》的能力。
  • 屏幕感知：能够“看到”用户正在编写的代码或观看的视频，实现边聊天边看屏幕的互动。

• Memory（记忆系统）：

  • 纯浏览器数据库：支持 DuckDB WASM 和 pglite，实现纯前端的数据持久化。
  • Alaya 记忆模块：正在开发中的高级记忆系统，用于长期记忆管理。

• Ears（听觉与语音识别）：

  • 支持浏览器音频输入及 Discord 频道音频输入。
  • 客户端侧语音识别（Client-side Speech Recognition）和说话检测（Talking Detection）。

• Mouth（语音合成）：

  • 集成 ElevenLabs 等高质量语音合成服务，提供自然的语音反馈。

• Body（形象与动画）：

  • 多模型支持：同时支持 Live2D 和 VRM 格式模型。
  • 自动化动画：具备自动眨眼、自动注视（Auto look at）、空闲眼神移动等微表情功能。
  • 跨平台渲染：利用 WebGPU、WebAudio、WebAssembly 等技术，在浏览器中实现高性能渲染。

亮点 / 与同类相比

1. Web 技术栈与原生性能的混合架构：

   • 不同于完全依赖浏览器的方案，AIRI 的桌面版默认支持 NVIDIA CUDA 和 Apple Metal（通过 HuggingFace 和 candle 项目），无需复杂的环境依赖即可调用本地 GPU 进行推理。
   • 同时保留 Web 技术优势，支持 PWA（渐进式 Web 应用），可在移动端运行，并利用 Web Workers/WebSocket 处理后台任务。

2. 深度游戏集成能力：

   • 这是 AIRI 最显著的差异化优势。它不仅仅是聊天，还能通过 RCON API 等工具直接控制《Factorio》等游戏的服务器，甚至通过计算机视觉技术理解游戏画面。

3. 模块化与开源生态：

   • 项目拆分为多个子仓库（如 drizzle-duckdb-wasm、autorio、Velin 等），允许开发者按需引入组件。
   • 支持广泛的 LLM 提供商，从 OpenAI 到开源的 Ollama、vLLM、SGLang，用户可自由选择后端。

4. 低门槛的参与方式：

   • 即使不熟悉 Vue.js 或 TypeScript，艺术家、设计师或 VRChat 头像设计师也可以参与。项目欢迎 React、Svelte 等其他前端框架的开发者通过子目录扩展功能。

适合谁用 / 上手

适合人群：

• AI 爱好者与开发者：希望研究 WebGPU 推理、RAG 记忆系统或游戏 AI 交互的工程师。
• VTuber 制作人与 3D 艺术家：需要 Live2D/VRM 模型控制、动画绑定工具链的专业人士。
• 寻求个性化数字伴侣的用户：希望拥有完全私有化、可自定义、能玩游戏且具备长期记忆的 AI 角色的个人用户。
• 技术尝鲜者：对 Nix 包管理、Capacitor 移动端部署感兴趣的技术极客。

上手指南：

1. 环境准备：

   • 推荐使用 pnpm 进行包管理。
   • 安装依赖：pnpm i

2. 启动开发服务器：

   • Web 版本（浏览器）：

     pnpm dev
     

   • 桌面版（Electron）：需仔细阅读 CONTRING.md 配置环境，通常涉及原生库依赖。
   • 移动端（Capacitor）：

     pnpm dev:pocket:ios --target <DEVICE_ID>
     

3. Nix 用户一键运行：

   • 如果系统启用 Flakes，可直接运行：

     nix run github:moeru-ai/airi
     

   • 在 NixOS 上可能需要进入 FHS 环境以解决共享库路径问题：

     nix develop .#fhs
     pnpm dev:tamagotchi
     

4. 配置 LLM：

   • 项目支持通过 xsai 配置多种后端。推荐用户使用 AIHubMix 或 OpenRouter 以获取广泛的模型支持，也可自行部署 Ollama、vLLM 或 302.AI 等本地/私有服务。

5. 文档与贡献：

   • 详细开发指令请参考 CONTRIBUTING.md。
   • 文档站点提供多语言支持（包括简体中文），可通过 Crowdin 参与翻译改进。